本发明涉及遥感技术领域,特别是指一种基于能量特征、纹理特征及运动特征的云层图像检测方法。
背景技术:
近年来,遥感技术在现代军事、天基探测和气象分析等领域得到了广泛的应用,遥感图像解译是遥感技术的关键技术之一。遥感图像解译指的是根据图像的几何特征和物理性质,进行综合分析,从而揭示出物体或现象的质量和数量特征,以及它们之间的相互关系,进而研究其发生发展过程和分布规律,也就是说根据图像特征来识别它们所代表的物体或现象的性质。虚警源对于遥感图像解译有较大的影响。而遥感图像中往往存在着不同的虚警源,这些虚警源具有辐射强度高、随时间变化等特点。例如:高空卷云是一种重要的虚警源。地球上有1/3到1/2的面积被云层覆盖,对遥感图像及目标探测系统而言,高空云层是一种主要的杂波。而卷云由于其形状变化快、运动多变等特征,给遥感图像的解译带来了一定困难。研究合适的卷云检测算法,可以提高遥感成像及探测系统的精度,有利于实现其军事及空间用途。
一般来说,卷云检测往往采用光谱分析法,采集可见光及红外等多通道数据,利用云层与其他地面物体的辐射差异来进行检测。但这种方式是实时性不高,并且对成像设备要求高,不易于卷云检测的开展。
技术实现要素:
本发明要解决的技术问题是提供一种基于能量、纹理及运动特征的云层图像检测方法,解决现有技术中高空卷云难以被准确检测的问题。
为解决上述技术问题,本发明的实施例提供一种云层图像检测方法,包括:检测装置接收包含n帧遥感图像的遥感图像序列fn(x,y),其中n=1,...,n为帧号,n为总帧数;所述检测装置从所述遥感图像序列提取遥感图像的能量特征,获得能量显著性图
可选的,检测装置利用图像运动信息,将所述纹理特征图进行帧间关联,提取感兴趣区域roi,获得云层检测结果具体为:
所述检测装置设定亮度阈值t,对亮度对比度的结果进行阈值分割,获得分割结果为thn(x,y):
可选的,检测装置从所述遥感图像序列提取遥感图像的能量特征,获得能量显著性图
所述检测装置对所述遥感图像序列进行傅里叶变换:sn(ωx,ωy)=f[fn(x,y)],n=1,...,n,其中,f表示傅里叶变换算子,(ωx,ωy)表示变换到频域的坐标;所述检测装置计算傅里叶变换的幅值,并取对数得到对数谱:ln(ωx,ωy)=log[|sn(ωx,ωy)|],其中|·|表示幅值算子;计算相位谱p(ωx,ωy):
可选的,检测装置所述检测装置提取所述亮度对比度图的纹理特征,获得纹理特征图
本发明的上述技术方案的有益效果如下:上述方案中,由于检测装置采用图像处理的方式进行遥感图像中的云层检测,降低了对传感器的要求,同时可以准确地检测到卷云的位置及大小;并且采用的算法简单,计算效率高,可以满足实时性要求。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如下。
附图说明
图1为本发明的云层图像检测方法的流程图。
图2为本发明的一个例子的一组含有卷云的红外图像。
图3为对图2红外图像的能量显著性图。
图4为图3能量显著性图的亮度对比度图像。
图5为图4亮度对比度图像的纹理特征图。
图6为云层检测结果。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
本发明针对现有的高空卷云难以被准确检测的问题,提供一种基于能量、纹理及运动特征的云层图像检测方法。
如图1所示,本发明的实施例提出一种基于能量、纹理及运动特征的云层图像检测方法,该方法应用于检测装置,具体包括:
步骤1:检测装置接收n帧遥感图像,记为遥感图像序列,这个遥感图像序列可以用函数fn(x,y)来表示,其中n=1,...,n为帧号,n为总帧数。例如:图2为一组含有卷云的红外遥感图像。
步骤2:检测装置从遥感图像序列分别提取每帧遥感图像的能量特征,根据每帧遥感图像的能量特征,获得能量显著性图,该能量显著性图记为
其中,这里的每帧遥感图像的能量特征采用谱残差特征。其具体步骤如下:
21,检测装置对遥感图像序列进行傅里叶变换:
sn(ωx,ωy)=f[fn(x,y)],n=1,...,n
其中,f表示傅里叶变换算子,(ωx,ωy)表示变换到频域的坐标。
22,检测装置计算傅里叶变换的幅值,并取对数得到对数谱:
ln(ωx,ωy)=log[|sn(ωx,ωy)|]
其中|·|表示幅值算子。同时计算相位谱:
其中
23,检测装置将上一步得到的对数谱与大小为m×m的均值滤波模板卷积,得到平滑谱:
v(ωx,ωy)=ln(ωx,ωy)*hm(ωx,ωy)
其中均值滤波模板为:
24,检测装置将对数谱与平滑谱相减,得到谱残差:
r(ωx,ωy)=ln(ωx,ωy)-v(ωx,ωy)
25,检测装置将谱残差r(ωx,ωy)与相位谱p(ωx,ωy)进行二维离散傅里叶反变换,得到能量显著性图:
步骤3:检测装置计算能量显著性图的亮度对比度,获得亮度对比度图像,该对比度图像记为
步骤4:检测装置提取亮度对比度图的纹理特征,得到纹理特征图,该纹理特征图记为
这里的纹理特征可以采用方向gabor特征来表示。具体的得到纹理特征图过程包括:
41,所述检测装置构建滤波器:
其中,x′=a-m(xcosθ+ysinθ),y′=a-m(-xcosθ+ysinθ)。a-m为尺度因子,θ表示gabor核函数的方向,λ表示正弦函数的波长,ψ表示相位偏移,σ表示高斯函数的标准差,γ表示函数的宽高比。选取不同的方向,即可得到gabor多方向滤波器。
42,检测装置将gabor滤波器与输入图像卷积,得到滤波结果,该滤波结果即为纹理特征图:
步骤5:检测装置利用图像运动信息,将纹理特征图进行帧间关联,提取感兴趣区域,获得云层检测结果。例如:图6为最终的云层检测结果。
下面详细介绍上述步骤5的过程:
51,检测装置设定亮度阈值t,对亮度对比度的结果进行阈值分割,获得分割结果,该分割结果记为thn(x,y):
52,检测装置对分割结果进行开操作,消除孤立的亮点,去掉部分杂波,同时填充孔洞,将处理后的分割结果记为th′n(x,y)。将th′n(x,y)中像素值为1的区域标记为感兴趣区域(regionofinterest,roi),计算并得到当前roi的中心坐标,并将当前roi的中心坐标记为(xn,yn)。
53,检测装置设定运动阈值mov,计算第n帧及第n+1帧的roi的中心之间的距离:
如果dn<mov,检测装置则将n帧及第n+1帧的roi区域进行关联;如果dn>mov,则关联失败,检测装置不对n帧及第n+1帧的roi区域进行关联。
54,检测装置提取相互关联的roi区域,该相互关联的roi区域即为卷云检测结果。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
由于检测装置采用图像处理的方式进行遥感图像中的卷云检测,降低了对传感器的要求,同时可以准确地检测到卷云的位置及大小;并且采用的算法简单,计算效率高,可以满足实时性要求。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。